شهدت نماذج تحويل الفيديو (Video Diffusion Models) تحولات جذرية في قدرتها على تكوين عوالم خيالية واسعة النطاق، لكن هذه النماذج كانت تواجه تحديات كبيرة في الحفاظ على التناسق الفيزيائي الدقيق، مما قد يؤدي إلى سلوكيات غير منطقية على مر الزمن. في هذا الإطار، تمثل تقنية **Phys4D** ثورة حقيقية في مجال نمذجة الفيزياء النمطية.

تعتمد Phys4D على **نموذج تدريبي ثلاثي المراحل** يهدف لتحويل نماذج تحويل الفيديو المعتمدة على المظهر إلى نماذج 4D تتسم بالتوافق مع مبادئ الفيزياء. تبدأ العملية بتأهيل متين للهندسة والحركة من خلال **التدريب الكبير شبه المراقب**، مما يتيح تشكيل أساس متين لنمذجة المشاهد الرباعية الأبعاد.

بعد ذلك، يتم تنفيذ **ضبط دقيق مُعتمد على الفيزياء** باستخدام بيانات مستمدة من المحاكاة، مما يُعزز الديناميكيات الرباعية الأبعاد المتسقة زمنياً. وأخيرًا، يُستعان بتقنية **التعلم التعزيزي (Reinforcement Learning)** المستندة إلى المحاكاة لتصحيح أي انتهاكات فيزيائية تبقى غير مُدركة عبر الإشراف التقليدي.

لتقييم التناسق الفيزيائي الدقيق بشكل يتجاوز المقاييس المعتمدة على المظهر، تم تقديم مجموعة من معايير **تقييم التوافق لعالم 4D**، التي تستكشف التناسق الهندسي، واستقرار الحركة، والاحتمالية الفيزيائية على المدى الطويل.

تظهر نتائج التجارب أن Phys4D تحقق تحسينات ملحوظة في الدقة الفضائية والزمانية والفيزيائية مقارنة بالنماذج التقليدية المعتمدة على المظهر، بينما تحافظ على أداء قوي في التوليد. يمكنكم زيارة صفحة المشروع للحصول على المزيد من المعلومات.